Many option pricing models assume that only volatility parameters can change and all the other parameters are fixed. However, they invariably change on every re-calibration. This thesis illustrates how to capture this type of model risk that arises when parameters assumed constant change over time and how to use this to capture the model risk and adjust the price hedge ratios of the model. Empirical analysis using Lognormal Mixture Model shows that the standard deviation of daily hedging P&L is significantly reduced when applying this methodology, and the linear and non-linear dependence of P&L and return of underlying assets is reduced. Thus, overall hedging performance improves.
대다수의 옵션 가격 평가 모델은 변동성을 제외한 모델의 모수들이 상수라고 가정한다. 하지만 일별로 옵션의 시장 가격에 모델을 캘리브레이션하는 과정을 통해 얻어지는 모수들의 추정치들은 고정되어 있지 않고 시간에 따라 변화한다. 본 연구에서는 모델의 가정이 깨져 적절하지 못한 모델을 사용하게 되어 발생하는 모델 리스크를 잡아내고, 헤지 비율을 조정하여 더 안정적인 헤지가 가능하게 하는 방법을 제시한다. 로그 정규 혼합 모델 (Lognormal Mixture Model) 을 이용한 실증분석 결과, 이러한 방법론을 적용하였을 때에 일별 헤지 P&L의 표준편차가 많이 감소하고, P&L과 기초자산의 수익률과의 선형적, 비선형적 의존도를 감소시켜 전반적인 헤지 성과가 향상된다는 것을 보여준다.
